傳統宏觀庫存周期規律有效性和局限性分析

當下庫存周期的兩大差異：庫存平坦化和狀態不連續。

近一年來，市場關于庫存周期的討論十分熱烈，主要原因是此輪主動去庫存階段時滯較 長，自 2023 年二季度起便有補庫存的預期，但從之后披露的數據看，工業企業庫存并未 得到有效回補。 下面我們通過數據來觀察這一點。傳統宏觀庫存周期一般根據經濟增長和庫存的變化將 歷史樣本進行分類，進而劃分成“被動去、主動補、被動補和主動去”這四個狀態。通 常我們會根據工業增加值同比和工業企業庫存同比的環比變化（比如 6 個月的差分）來 判斷經濟增長和庫存的方向，但如果數據的毛刺較多可能會使得方向變化較快，從而導 致庫存周期的狀態不夠穩定。

在根據景氣指數劃分庫存周期之前，我們先觀察下景氣指數和 A 股盈利、工業企業庫存 的對應關系。如果景氣指數能夠較好地反映所跟蹤變量的趨勢，這樣才能夠用于準確劃 分庫存周期。截止至 2024 年 4 月 30 日，經濟景氣指數領先 A 股營收同比 6 個月左右，對未來 6 個月營收變化方向判斷的勝率約為 74%，即當前增長指數為正， 未來 6 個月營收改善的概率為 74%；而庫存景氣指數底層指標基本是工業企業庫存的細 分項，與工業企業庫存同比幾乎同步，能較好地反映宏觀整體庫存的變化。

同時，我們也注意到一個特殊的現象：自 2023 年開始，工業企業庫存同比出現斜率平坦 化的趨勢，即總量變化不大。這背后的原因主要有兩個：1）以地產基建為主的傳統經濟 動能不足，反映在 M1 和 PPI 數據同樣也出現底部平坦化，價格修復有難度；2）以新能 源和 TMT 為主導的新經濟需求不夠旺盛且聯動性較弱，難以全面刺激需求修復。從經濟 景氣指數也可以看出，近三年除了 2022 年下半年有一波時間較短的復蘇以外，其余時 間均在 0 軸以下。短期看，新舊動能產業產生需求共振概率不大，總量庫存平坦化的趨 勢可能會延續。

然后，我們根據上述經濟景氣指數和庫存景氣指數在 0 軸上下，劃分經典的庫存周期四 個狀態：主動去、被動去、主動補和被動補。我們發現兩個特殊的現象：1）此輪（2023 年 2 月至 2024 年 4 月）主動去庫存時滯較長：目前宏觀處于“經濟下，庫存下”主動 去庫存階段，并且時間上達到歷史最長的 15 個月，與上述庫存平坦化的趨勢保持一致； 2）此輪庫存周期狀態不連續：2005 年至今共經歷約 5 輪庫存周期，前 4 輪的庫存周期 狀態較為連續，即按照“被動去—主動補—被動補—主動去”的順序依次呈現，但此輪 庫存周期狀態不連續，例如 2021 年直接從被動去到被動補，反映了傳統經濟的擾動項 加劇，導致“經濟領先庫存半年到一年”這一傳統范式被打破。

在總量庫存平坦化和庫存狀態不連續的大背景下，本節我們探討下傳統宏觀庫存周期指 引的規律是否依然有效，以及可能有哪些局限性？ 首先，我們觀察庫存周期對權益資產的擇時效果。根據經典庫存周期邏輯，在被動去和 主動補階段做多權益資產，其余兩個階段下空倉。注意，因為統計局數據披露的滯后性， 將經濟增長和庫存景氣指數分別滯后一個月處理來計算信號，例如 5 月披露的 4 月底數 據，在 5 月底用于擇時判斷。

然后，我們觀察庫存周期下行業輪動的歷史規律。這里我們統計了四個宏觀庫存周期下 不同大類板塊（中證行業）和行業（中信一級行業）未來三個月的表現。可 以得到兩條和先驗邏輯保持一致的規律： 1） 被動去階段（復蘇早期）消費、金融和 TMT 表現占優：消費的邏輯在于下游終端 需求和價格相對穩定，企業傾向于率先補庫存，該階段下可選消費未來 3 個月收 益為 9%，必選消費為 10%；金融和 TMT 占優邏輯可能并不是庫存周期，而是 復蘇早期信用通常也處于擴張期，市場風險偏好得到提振，高 Beta 行業占優； 2） 主動補階段（復蘇中后期）上游能源和原材料占優：邏輯在于下游率先回暖后， 對上游原材料和能源需求增加，從而帶來量價提升。可以看到，該階段下能源和 材料未來 3 個月收益約為 8%-9%，而煤炭和有色金屬收益則達到 13%。

這些庫存周期指引下的行業輪動規律（下游-中游-上游）邏輯上固然成立，但這是過去近 二十年宏觀數據大波動背景下統計驗證得到的，在當下時代背景下也面臨一些挑戰。舉 個例子，2021 年后宏觀庫存周期基本上處于被動補和主動去階段，若按照傳統庫存周期 邏輯應該規避周期行業，但此階段煤炭行業走出獨立行情，連續 3 年正收益。

因此在總量數據平坦化背景下，如果僅僅根據自上而下歷史規律，容易錯過一些行業結 構性機會。更何況根據歷史規律尋找占優板塊這一做法，行業標簽過于機械化，僅能作 為規律參考，很難真的落地到投資策略中。此外，我們也觀察到此輪庫存周期中大類板 塊內部各個行業庫存同比變化也存在一定差異，行業微觀結構特征比以往更加突出，因 此我們建議當下應該重視行業庫存周期的研究，重結構輕總量。